Kurz gesagt
- LFM2.5-24B-A2B hat insgesamt 24 Milliarden und 2 Milliarden aktive Parameter pro Token.
- Das Kontextfenster des Modells umfasst 131.000 Token; bei der vorherigen Version waren es 32.000 Token.
- Laut Liquid AI generiert das Modell auf einem Apple M5 Max 184 Token pro Sekunde.
- Das Modell und seine Base-Version sind als Open Weights über Hugging Face verfügbar.
Liquid AI stellte am 13. Oktober 2026 in einer auf Hugging Face veröffentlichten Ankündigung das Reasoning-Modell LFM2.5-24B-A2B vor. Das Unternehmen positioniert es für Agenten, die lokal auf dem Gerät laufen, Tools aufrufen und mehrstufige Aufgaben ausführen können. Das Modell verfügt über insgesamt 24 Milliarden Parameter; bei der Verarbeitung jedes Tokens werden 2 Milliarden Parameter aktiviert.
Längerer Kontext und Fokus auf Reasoning
LFM2.5-24B-A2B behält die Architektur des Vorgängermodells LFM2-24B-A2B bei. Laut Liquid AI umfasst die Struktur 40 Layer, 64 Experten in jedem MoE-Block und Top-4-Routing. Das Modell wurde als Version entwickelt, die vor der Antwort einen expliziten Reasoning-Prozess durchläuft.
Das Kontextfenster wurde von 32.000 Token bei der Vorgängerversion auf 131.000 Token erweitert. Auch das Vokabular wurde von 65.000 auf 128.000 Token vergrößert. Das soll laut Unternehmen die Token-Nutzung in Sprachen verbessern, die nicht das lateinische Alphabet verwenden. Das Pretraining wurde von etwa 17 Billionen auf rund 33 Billionen Token skaliert. Darüber hinaus beschreibt das Unternehmen zusätzliche Trainingsphasen für lange Kontexte, Reasoning, Mathematik, Code und mehrsprachige Texte.
Tool-Nutzung sticht in Benchmarks hervor
Liquid AI zufolge hat das Unternehmen das Modell in 16 Benchmarks mit Qwen3.6-35B-A3B, Gemma-4-26B-A4B-it und Nemotron-3.5-Lightning verglichen. In den Ergebnissen des Unternehmens erzielte LFM2.5-24B-A2B 27,69 Punkte bei AutomationBench, 65,01 bei BFCLv4, 80,71 bei ToolSandbox und 48,09 bei LiveClaw. Das ebenfalls verglichene Modell Qwen3.6-35B-A3B erreichte bei LiveClaw 38,19 Punkte.
Laut Ankündigung erreichte das Modell in fünf von acht Tests zu Tool-Nutzung und Agenten-Workflows gleich gute oder bessere Ergebnisse als die Konkurrenz. Außerdem lag es in allen drei Benchmarks zur Befolgung von Anweisungen vorn. Zugleich weist das Unternehmen darauf hin, dass größere Modelle bei wissensintensiven Tests wie GPQA Diamond und beim Coding-Benchmark SWE-Bench Verified weiterhin im Vorteil sind. Deshalb empfiehlt Liquid AI, das Modell bei wissensintensiven Aufgaben zusammen mit Such- oder Retrieval-Systemen einzusetzen. Dabei handelt es sich um unternehmenseigene Evaluationen; laut Quelle wurden alle Modelle mit vLLM getestet.
Lokaler Betrieb und Hardware-Ergebnisse
Das Modell wird mit Unterstützung für llama.cpp, MLX, vLLM, SGLang und ONNX angeboten. Laut Messungen von Liquid AI generiert es auf einem Apple M5 Max 184 Token pro Sekunde und auf einem Ryzen AI Max+ 395 114 Token pro Sekunde. Außerdem meldet das Unternehmen auf einer einzelnen NVIDIA B300-GPU bei hoher Parallelität mehr als 21.000 ausgegebene Token pro Sekunde. Dies sind vom Hersteller veröffentlichte Ergebnisse; bei anderer Hardware und anderen Einstellungen ist dieselbe Geschwindigkeit nicht garantiert.
Das Modell und die Version LFM2.5-24B-A2B-Base sind als Open Weights auf Hugging Face verfügbar. Die Ankündigung enthält keine Preisangaben. Laut Unternehmen lässt sich über einen lokalen Server ein OpenAI-kompatibles Backend einrichten und mit unterstützten Agentensystemen verbinden. In der Beispielkonfiguration wird die Kontextlänge auf 131.072 eingestellt; der Port hängt von der verwendeten Server-Software ab.
Auswirkungen auf Architektur- und Visualisierungs-Workflows
Für Architekturbüros, Innenarchitektinnen und Innenarchitekten sowie Visualisierungsteams ist vor allem interessant, dass sich ein Agent mit Tool-Aufrufen auf eigener Hardware betreiben lässt. Teams, die wiederkehrende Text- und Informationsverarbeitungsschritte mit lokalen Agenten ausprobieren möchten, können diese Möglichkeit in Betracht ziehen. Die Ankündigung besagt jedoch nicht, dass das Modell direkt in bestimmte CAD-, BIM- oder Visualisierungssoftware integriert ist. Mögliche Anwendungsfälle sollten daher auf die unterstützte Agenten-Infrastruktur und die einzurichtenden Tool-Verbindungen beschränkt betrachtet werden.
Vor dem lokalen Einsatz sollten Hardware-Leistung, Installationskompatibilität und Nutzungsbedingungen der Open Weights geprüft werden. Die Ankündigung nennt Geschwindigkeitswerte für verschiedene CPUs und GPUs, macht aber keine Angaben zum benötigten Arbeitsspeicher oder zu den Hardwarekosten in der Türkei. Daher sollten Teams das Modell mit ihren eigenen Aufgaben testen und die Ergebnisse mit ihren bestehenden Workflows vergleichen.
Quellen
1 QuelleQuelltexte werden nicht neu veröffentlicht; kurze Zitate sind gekennzeichnet, der Rest ist eigene Zusammenfassung und Einordnung.
Der wichtigste Vorteil von LFM2.5-24B-A2B für Architekturbüros ist die Möglichkeit, Agenten-Workflows auf lokaler Hardware auszuprobieren. Die Ergebnisse bei Tool-Nutzung und Befolgung von Anweisungen sind vielversprechend, stammen aber aus Benchmarks von Liquid AI und sollten zusätzlich mit realen Aufgaben im Büro getestet werden. Die Ankündigung nennt keine fertigen Integrationen mit CAD- oder BIM-Software.
Hardware- und Lizenzbedingungen sollten bei der Entscheidung eine zentrale Rolle spielen. Da weder der Preis noch der benötigte Arbeitsspeicher angegeben werden, reichen die verfügbaren Informationen nicht für eine Investitionskalkulation aus. Die Bereitstellung als Open Weights legt nicht automatisch alle Nutzungsbedingungen offen; Teams sollten den Lizenztext und die Kompatibilität mit ihrer Inferenzsoftware prüfen.
Häufige Fragen
Wie viele Parameter hat LFM2.5-24B-A2B?
Das Modell hat insgesamt 24 Milliarden Parameter. Bei der Verarbeitung jedes Tokens werden 2 Milliarden davon aktiviert.
Kann LFM2.5-24B-A2B lokal ausgeführt werden?
Ja. Liquid AI gibt Unterstützung für llama.cpp, MLX, vLLM, SGLang und ONNX an.
Ist LFM2.5-24B-A2B kostenlos?
In der Ankündigung werden keine Preisangaben gemacht. Das Modell wird als Open Weights angeboten; die jeweiligen Lizenzbedingungen sollten gesondert geprüft werden.
